基于随机森林的认知网络频谱感知算法

针对在低信噪比情况下,主用户信号检测率较低的问题,提出了一种新颖的基于随机森林的频谱感知算法。随机森林算法组合多个弱分类器,使整体分类效果增强,减少过拟合现象。首先,在各循环频率不为零值情况下,提取能量最大的信号循环谱中特征参数(E(S)、D(S))作为随机森林的训练特征值;其次,选取主用户存在下的若干特征值作为正样本和主用户不存在下的若干特征值作为负样本生成随机森林;最后,利用训练完成的随机森林对待检测的信号进行分类,实现主用户是否存在的检测。实验结果表明:所提出的算法有较高的检测率和较低的虚警率。

一种基于改进高斯过程隐变量模型的多角度人脸识别算法

针对传统谱算法在人脸识别中的局限,该文提出一种基于改进高斯过程隐变量模型(GP-LVM)的多角度人脸识别算法。首先,通过高斯过程(GP)对人脸流形建立概率模型,得到高斯过程隐变量模型(GP-LVM);其次,分析GP-LVM得到共有信息(shared information)和独有信息(private information),利用概率最大化与拉格朗日乘子法得到参照矩阵和参照值;最后,实现多角度人脸识别。选取Yale,JAFFE,FERET,CMU-PIE 4类数据集进行对比实验,实验结果表明:该文提出的算法可以有效地识别多角度人脸,针对无角度人脸识别也具有良好的效果。

一种基于深度和信息熵的人体运动检测方法

针对传统人体运动检测方法存在的不足,提出一种图像深度和人体信息熵相结合的检测方法.首先依据图像的颜色和深度信息,结合Hough森林法提取人体部位的关键点;再利用关键点的信息连接出人体骨架,采用改进的信息熵表达式计算人体运动的熵值,并对数据做相关分析;最后,得到人体的运动状态.实验结果表明:采用的深度图像能更有效地提取人体关键点,对优化传统人体识别方法存在重要意义;所提出的信息熵法应用到人体运动检测中可以更加直观反映人体运动情况,明显提高检测效率和准确率.

基于前景分割的行人检测方法

针对背景复杂情况下行人检测误检率较大的问题,提出一种新的基于前景分割的行人检测方法.本方法在样本训练过程中,通过对图像的初始轮廓线进行有向分水岭转换,然后由超度量轮廓图算法得到图像内一个个封闭的区域,把得到的封闭区域与设定框进行比较,区分封闭区域属于前景还是背景,进而把前景目标分割出来并进行训练;测试时,把待检测图像中的检测区域进行前景分割,求出前景的HOG特征并用SVM分类,确定检测区域内是否有行人.这样保证了在训练阶段和检测阶段都去除了背景噪声的影响,实验结果表明,提出的方法能有效的提高检测精度.

基于局部图块目标匹配的交通车流跟踪与统计

针对传统目标跟踪算法在实现过程中的局限,提出一种基于局部图块目标匹配(local block-graphs targets matching,-LBTM)的跟踪算法,将其应用于车流跟踪,并验证其有效性。首先,采集视频帧画面中含有目标的多幅图像,并对其进行局部图块分割,得到目标图块;其次,对图块进行目标匹配,通过匹配完成对目标的检测过程,并计算得到最优的目标集合;最后,针对目标集合进行全部帧画面的最小偏差的预测,实现目标的跟踪过程。选取某路口的交通监控视频进行对比验证实验,实验结果表明:所提出的算法可以有效地跟踪车辆,比传统算法有更好的目标检测率和跟踪准确率,并能有效地完成车流统计。

基于改进型支持向量机的频谱感知算法

针对无线信道环境中,信道多径衰落和噪声不确定性等低信噪比情况下主用户信号检测性能较低的问题,提出一种基于改进型支持向量机(support vector machine,SVM)的主用户信号频谱感知算法。对信号循环平稳特征参数进行特征提取,作为训练样本和待测样本;采用改进的SVM算法分别对有无主用户情况下的信号进行分类检测。仿真结果表明,与能量检测法(ED)和循环平稳特征检测法(CD)相比较,该算法可在低信噪比情况下不受噪声不确定性等因素影响,具有较高的分类检测性能,有效地实现了对主用户信号的感知。

基于随机森林的群控立体车库运行模式识别研究

运用随机森林算法设计出一种立体车库运行模式识别方法。通过采集当前升降机运行中输入的有效数据,组成原始训练数据,利用随机森林算法建立运行模式识别模型,代入立体车库的运行参数后,得到群控立体车库的运行模式。实验结果表明,随机森林算法在立体车库运行模式识别中,能有效识别出当前运行模式。该算法适用于识别立体车库群控系统的运行模式,具有广泛的扩展性。

非线性流形上的性别识别算法研究

在高维非线性空间中,如何更有效地提取人脸图像的主要特征,以及如何更有效地区分不同的性别类别,已经成为性别识别中广泛关注的问题。针对这一问题,提出一种非线性流形上的性别识别算法。该算法不但能有效提取高维空间中数据点的主要特征,并且能充分挖掘出数据流形间的几何结构和判别结构,从而使不同性别之间达到最优化分类。通过ORL和Yale两个人脸数据集实验,并与PCA(Principal Components Analysis)+LDA(Linear Discriminant Analysis),PCA+SVM(Support Vector Machine),KPCA+LDA,KPCA+SVM 4种常用的性别识别算法进行比较。实验结果显示:所提出的算法与其他传统算法相比具有更高的识别率,且有一定的鲁棒性和较高的运行效率。

电气符号识别的HOG方法

目的为解决电气符号的大小、图纸背景的模糊、电气符号的旋转角度等各种干扰因素对计算机识别电气图纸造成的误差问题.方法笔者提出了一种基于HOG的电气符号识别方法.建立电气符号训练集,提取电气符号图像的HOG特征,计算出梯度方向向量个数加权图;使用这些HOG特征和分类信息对支持向量机进行训练;利用支持向量机进行识别.结果HOG算法对电气符号的识别率达到92.5%,与SIFT算法比较,识别效果更为准确.结论所提出的HOG算法克服了外界干扰因素对电气符号识别的影响,提高了识别的准确率,具有良好的检测效果,为将HOG算法应用到其他领域奠定理论基础.

基于GNP的多轿厢电梯多目标优化算法

"一井多梯"多轿厢电梯是当前国际上解决高层建筑输送效率、减小占地面积、节约能源和减少建筑成本的最新方式.针对多轿厢电梯多目标优化问题进行深入研究,结合遗传算法GA和遗传规划GP的特点,探讨了电梯优化调度控制系统的适应度函数选取、种群初始化和GNP节点设置问题,并通过选择、交叉、变异算法计算,研究了GNP对于多轿厢多目标的优化性能,以候梯时间、乘梯时间、乘客人数、系统能耗为目标,提出一种改进的基于GNP的多轿厢电梯优化调度算法及策略,对比改进前的GNP算法,进行了实验仿真分析,实验结果验证了改进后的GNP新方法的有效性,对多轿厢多目标优化的可实现性和优越性.

基于多个再生核希尔伯特空间的多角度人脸识别

针对传统谱算法在人脸识别中的局限,提出一种基于多个再生核希尔伯特空间的多角度人脸识别算法.首先,利用landmark标记法对图像进行预处理,得到训练图像的角度;其次,通过人脸数据的多次核化迭代,使其在构建的再生核希尔伯特空间中呈线性,针对不同类型的人脸数据,建立多个再生核希尔伯特空间;最后,通过对比训练图像,判断待检测人脸图像的再生核希尔伯特空间归属,实现多角度人脸识别.选取FERET和CMU-PIE两类数据集进行对比实验,实验结果表明:所提出的算法不仅在平均识别率上高于传统算法5%,平均识别效率也较传统算法提高20%.

基于LLE和KRR的人体动作重构算法研究

人体动作重构是当前图像处理的热点问题,针对其问题的特点,提出一种全新的LLE与KRR相结合的人体动作重构方法。首先针对图像的颜色和深度信息,提取人体动作骨架,建立动作训练集;再将训练集转变为动作向量库,采用LLE算法计算人体动作的低维流形,并对流形数据作相关分析;最后,将预测的低维衔接动作点逆映射回高维欧氏空间,首次应用KRR算法解决传统降维不可逆映射问题,从而使动作重构得以实现。实验结果表明:通过对流形动作点相互映射得到的重构动作较为理想,针对不同自由度的动作过程,所提出的人体动作重构方法有很好的效果。

基于深度和LLE的人体动作趋势分析研究

针对传统人体动作趋势预测方法存在的不足,提出一种基于深度图像和LLE(Locally Linear Embedding)相结合的人体动作分析方法。首先依据图像的颜色和深度信息,结合Hough森林法提取人体部位的关键点;再利用关键点的信息,将其转化为特征向量,将特征向量集合输入LLE算法,从而建立人体动作的低维流形,并对流形数据做相关分析,根据流形中的欧式距离判断相邻动作;最后,将当前人体动作映射到低维动作流形中,预测人体的动作趋势。实验结果表明:所采用的深度图像,明显提高人体动作识别率,对于人体动作趋势的判断有非常重要的意义;所提出的方法在人体动作趋势的预测中准确率较高,具有一定的可行性。

基于微分几何的永磁直线同步电机非线性控制方法研究

为了实现永磁直线同步电机在垂直升降系统运行过程中的良好控制性能,从电机学原理出发,分析了永磁直线同步电机的数学模型,提出了一种微分几何非线性最优控制的方法。通过微分几何的状态反馈精确线性化把直线电动机的非线性系统转换为线性系统,并在此基础上应用非线性最优控制理论设计控制器。最后,实现对电动机的优化控制,实验结果表明:所提出的方法提高了系统的运动性能,增强了系统对参数摄动和外在扰动的鲁棒性,较传统PID算法有更好的优越性。

一种基于深度HOG和LLE的人体跟踪方法

针对传统人体跟踪方法存在的不足,提出一种深度Histograms of Oriented Gradients(HOG)和Locally Linear Embedding(LLE)相结合的跟踪方法。首先依据图像的颜色和深度信息,结合改进的HOG表达式提取人体的特征向量;再利用流行学习LLE算法对特征向量进行降维,采用欧氏距离判别法找出每帧图像人体所在区域,并对人体区域加以标记;最后,进行人体的实时跟踪。实验结果表明:降维后的人体特征数据更有助于实现跟踪,所提出的方法应用到视频图像人体跟踪中可以有效地跟踪人体,简化了数据复杂度,明显提高人体跟踪准确率。

基于共有GP-LVM和改进型SVM的数据分类算法

针对传统谱算法在数据分类问题中的局限,提出一种基于共有GP-LVM和改进型SVM的数据分类算法。通过高斯过程(GP)对数据流形建立概率模型,得到高斯过程隐变量模型(GP-LVM),分析GP-LVM得到数据流形的特征信息;利用多核迭代的方式,改进SVM算法中的核函数,建立最佳的数据分类器,实现数据分类。选取FERET、UCI多类数据库进行对比实验,实验结果表明,该算法可以有效地对高维数据进行分类,针对均衡数据和不均衡数据也具有良好的分类效果,较传统算法在分类准确率上提高8%左右。

关于建立大学生校外实践基地与大学生就业问题的思考

随着高校与企业联合科研与项目共建,高等院校的教育结构从单纯的教学型向理论与实践相结合的科研型发展,并取得了丰获得成果。然而,我国现代大学教育与社会的人才需求未能较好的接轨,这始终是我国高等教育发展所面临的主要问题。根据教育部文件《教育部财政部关于"十二五"期间实施"高等学校本科教学质量与教学改革工程"的意见》和《教育部关于开展"本科教学工程"大学生校外实践教育基地建设工作的通知》,从高校大学生就业与校外实践结合的角度进行了思考。

一种改进的人体追踪方法在电梯中的应用

针对传统人体追踪方法存在的不足,提出一种改进的追踪方法。首先结合HOG表达式提取人体的特征向量;再利用PCA算法对特征向量进行降维,找出每帧图像人体所在区域;最后在电梯中实现人体的实时追踪。实验结果表明:降维后的人体特征数据更有助于实现追踪,所提出的方法应用到视频图像人体追踪中可以有效的追踪人体。

计及新能源接入的柔性牵引供电系统区间最优潮流研究

传统电气化铁路存在以负序为主的电能质量问题及电分相问题,严重影响铁路运行安全和效率,一种基于三相-单相全交直交变流器的新型柔性牵引供电系统能够有效解决该问题。以接入储能装置及光伏的柔性牵引供电系统为研究对象,以功率平衡、系统运行边界为约束,以牵引变电所日运行成本最低为目标,考虑光伏的不确定性和牵引负荷的波动性,建立区间最优潮流模型,最后利用YALMIP工具包和GUROBI求解器进行求解。算例分析结果表明,储能装置和光伏接入柔性牵引供电系统后,系统日运行成本最高可降低30.49%。

火电厂储煤场损耗控制措施探讨

以华能珞璜电厂的实际情况为例,分析燃煤储存过程中的量、质损耗问题,重点对燃煤储存过程中煤量的损耗情况、燃煤含水量变化对发热量的影响、燃煤储存过程中的热值损耗趋势、燃煤自燃的产生因素和控制措施等方面进行分析,找出不同方面的燃煤量、质损耗的产生原因,并提出降低损耗的措施。通过一系列措施的有效落实,达到降低损耗、提高经济性的目的,为提升电厂的经营效益服务。